LITMUS

최근의 광역 대중 교통 체계는 지하철 등을 위시한 대규모 투자가 수반되는 경우가 대부분 입니다. 이 경우 투자 규모에 대한 예측이 항상 성공할 수 없기 때문에 예측하지 못한 변수로 인하여 대중 교통 이용에 문제가 생기는 경우가 잦습니다. 문제를 예측하는 데 있어서도 리트머스의 다양한 이동 데이터는 아주 유용하게 활용될 수 있지만, 문제가 발생 후 문제의 원인을 보다 정확하게 파악하여 문제 해결의 근거를 제시하는 경우에도 리트머스 데이터는 매우 큰 역할을 할 수 있습니다.

우리가 분석한 지하철 이용 구간은 지하철 이용객의 동시간대 과밀로 인하여 혼잡도가 200% 이상 증가하며 객차 내 질식, 호흡곤란, 두통 등의 다양한 부작용이 발생하고 있었습니다. 이를 위해 지하철과 동일 구간에 무료 버스를 배차하여 통행을 분산시키려 했으나 해당 정책의 효과는 미미하였습니다. 리트머스는 해당 구간을 이용하는 고객들의 전체 이동을 상세하게 분석하여 문제의 원인을 파악하고자 하였습니다.

리트머스 데이터를 통하여 상세 분석한 결과, 대상 지역인 김포시에서 서울로 이동하는 통행의 경우 오전 첨두시에 매우 밀집되어 나타남과 동시에 이 시간대 수단 분담률은 다른 지역과는 비교도 안되는 수준으로 많은 지하철 비율이 나타났습니다. 김포 지역에서 서울로 오전 첨두시 통근하는 시민들은 자가용이 아닌 경우 대부분 지하철을 이용하는 것입니다. 다양한 대중 교통 수단으로의 분배가 일어나지 않는 부분에 있어 어떤 속사정이 있는지를 더 분석해 보았습니다.

보이는 바와 같이 이슈 지하철 노선을 탑승하는 김포 시민들의 최종 출근 목적지는 여의도, 상암, 명동, 가양동, 종로, 강남 등에 분포되어 있습니다. 해당 목적지로 이동하는 시민들은 대중교통 노선 체계 상 9호선 김포공항역에서 환승을 통해 서울 각지로 이동하는 것이 가장 효율적입니다. 만약 버스를 타고 이동하게 된다면 버스 탑승, 버스 하차 후 지하철 역으로 이동, 지하철역 플랫폼 대기, 환승의 절차를 거치기 때문에 통근 시 정시성에 매우 큰 변화가 생기고 이동 거리 및 시간이 증가하는 문제가 있습니다.

평균 환승 횟수를 분석해 본 결과 평균 2회 이상 환승이 일어나고 있으며 이렇게 지하철 기반의 환승도 불편한 상황에서 버스 탑승 후 환승을 기대하는 것은 매우 어려운 부분입니다. 이로 인해서 정책적인 무료 대체 노선 버스의 이용률이 큰 효과를 보지 못하는 것으로 파악할 수 있습니다.

그 와중에서도 대체 버스 노선의 이용도가 높았던 구간들이 있습니다. 해당 구간은 김포에서 출발하여 가양동/마곡 지역으로 이동하는 구간으로 해당 구간은 대체 버스 노선을 탑승할 경우 바로 출발지에서 도착지로 원스탑으로 도착할 수 있는 구간입니다. 이 구간은 별도 환승이 발생하지 않기 때문에 지하철 대신 버스를 이용해도 불편함이 덜한 구간으로 볼 수 있습니다.

이런 지역적 특성 외에도 고객별 특성에 따라 이런 정책 전환 효과에 반응하는 부분이 어느 정도 차이가 있는지를 분석하였습니다. 보시는 바와 같이 20대 여성이 해당 정책에 반응하는 비율이 상대적으로 굉장히 높았으며 20대 남자는 반대로 해당 정책에 거의 반응하지 않았습니다. 이슈가 된 지하철 노선의 경우 매우 혼잡했기 때문에 타인과의 접촉이 불편할 수 있는 연령, 성별대에서는 이를 대체 노선으로 전환하며 회피하려는 경향이 강했지만 그렇지 않은 경우 굳이 대체 노선으로 전환하면서 시간적 손해를 감수하려고 하지 않는 것을 확인할 수 있었습니다.

리트머스는 이러한 통합 데이터 분석을 통해 해당 노선 이용 문제를 해결하기 위한 솔루션을 제시하였습니다. 그 중 가장 효용적이라 판단한 것은 김포시 주요 출발지부터 도착지를 직접 연결하는 광역 버스 노선을 신설하는 것입니다. 이를 위해 다양한 이동 특성을 조합하여 출발-도착지 구간별로 얼마나 해당 광역 버스 노선의 필요성이 높은지를 구체화 하였습니다.

해당 결과 높은 전환 수요가 발생한 지역을 확인할 수 있습니다. 이 중 대체 버스 노선으로 전환도가 높은 김포-가양 구간을 제외하고 나머지 구간에서 광역 버스 노선을 순차적으로 신설할 경우 기존 이슈 지하철 노선으로의 수요를 흡수하여 즉각적으로 문제를 해결할 수 있을 것이라 판단하였습니다. 물론, 현재 교통 체계 상 경기도와 서울 간 광역 버스 노선을 신설하는 것은 꽤 많은 시간이 소요되기 때문에 해당 솔루션을 바로 적용할 수는 없을 수 있습니다. 그렇지만, 이 내용을 기반으로 수요 응답형 버스 노선 등을 투입하는 방법으로 문제를 더 효율적으로 해결할 수 있을 것입니다.

이러한 전반적인 분석의 경우 기존의 어떠한 데이터로도 분석할 수 없는 고해상도 데이터를 포함하고 있으며 현 시점에서는 리트머스를 통해서만 가능합니다. 앞서 언급한 바와 같이 문제의 해결 측면이 아니더라도 다양한 예측 부분에서도 데이터를 활용한 예측 정확도를 향상시킬 수 있을 것 입니다.